CN110349236A - 一种图像校正方法和系统 - Google Patents

一种图像校正方法和系统 Download PDF

Info

Publication number
CN110349236A
CN110349236A CN201910635815.XA CN201910635815A CN110349236A CN 110349236 A CN110349236 A CN 110349236A CN 201910635815 A CN201910635815 A CN 201910635815A CN 110349236 A CN110349236 A CN 110349236A
Authority
CN
China
Prior art keywords
length
width ratio
correction
standard
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910635815.XA
Other languages
English (en)
Other versions
CN110349236B (zh
Inventor
刘炎炎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201910635815.XA priority Critical patent/CN110349236B/zh
Publication of CN110349236A publication Critical patent/CN110349236A/zh
Priority to US16/929,176 priority patent/US11348290B2/en
Application granted granted Critical
Publication of CN110349236B publication Critical patent/CN110349236B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pulmonology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本申请实施例公开了一种图像校正方法和系统。所述图像校正方法包括：获取至少一组不同目标部位的标准长宽比和对应的标准卷积核；获取扫描部位的扫描图像；基于所述扫描图像，计算所述扫描部位的长宽比；基于所述扫描部位的长宽比、不同目标部位的标准长宽比和对应的标准卷积核，确定对应的校正卷积核；以及基于所述校正卷积核和所述扫描图像，校正图像的散焦伪影。本申请可以通过制作或模拟标准模体得到各个目标部位的标准核卷积，并根据扫描部位横截面的长宽比获取对应的校正卷积核，从而可以实时校正扫描图像中的散焦伪影。

Description

一种图像校正方法和系统
技术领域
本申请涉及图像处理领域，特别涉及一种图像校正方法和系统。
背景技术
电子计算机断层扫描(Computed Tomography，CT)设备、C臂(C-arm)机等医学影像设备主要包括X射线球管和探测器系统，分别用于发射和接收X射线。对于上述医学影像设备来说，成像利用的是直线传输的X射线，而X射线球管中的电子散射会导致球管中的X射线焦点存在散焦问题，从而导致图像边界模糊。散焦导致焦点分布不集中在一个面积较小的点上，而是形成类似光晕的结构，如图6所示，图6左侧为无散焦的焦点示意图，图6右侧为有散焦的焦点示意图。另外，散焦信号在经过扫描物体时，也会产生传输方向的变化(即，二次散射)，进而导致散焦信号的分布更为复杂。
因此，有必要提供一种图像校正方法可以用来消除或者减弱伪影。
发明内容
基于此，本申请提供一种图像校正方法和系统。
本申请实施例之一提供一种图像校正方法。所述方法包括：获取至少一组不同目标部位的标准长宽比和对应的标准卷积核；获取扫描部位的扫描图像；基于所述扫描图像，计算所述扫描部位的长宽比；基于所述扫描部位的长宽比、不同目标部位的标准长宽比和对应的标准卷积核，确定对应的校正卷积核；以及基于所述校正卷积核和所述扫描图像，校正图像的散焦伪影。
在一些实施例中，所述获取至少一组不同目标部位的标准长宽比和对应的标准卷积核包括：基于不同目标部位的标准长宽比，制作或模拟对应的模体；所述不同目标部位的标准长宽比为统计获得；扫描或模拟扫描所述模体，得到焦点信号分布和散焦信号分布；基于所述焦点信号分布和散焦信号分布，得到不同模体对应的标准卷积核。
在一些实施例中，所述基于扫描图像，计算扫描部位的长宽比包括：设定非空气阈值；获取扫描部位的正弦图；基于所述非空气阈值，计算所述正弦图中每个视角下扫描部位的轴长；获取最大轴长和最小轴长，得到长宽比。
在一些实施例中，所述基于所述非空气阈值，计算所述正弦图中每个视角下扫描部位的轴长包括：对多个视角中的每一个视角下的弦线：依次检索第一个大于非空气阈值的第一像素点坐标；反向依次检索第一个大于非空气阈值的第二像素点坐标；基于所述第一像素点坐标、第二像素点坐标和扫描设备几何参数，得到扫描部位的轴长；其中，第一像素点坐标和第二像素点坐标与探测器像素编号相对应。
在一些实施例中，所述基于所述扫描部位的长宽比、不同目标部位的标准长宽比和对应的标准卷积核，确定对应的校正卷积核包括：根据扫描部位的长宽比，查找目标部位中最接近的两个标准长宽比，得到对应的两个标准卷积核；对所述两个标准卷积核进行插值，得到校正卷积核。
在一些实施例中，所述插值包括线性插值、高阶插值或最近点插值。
在一些实施例中，所述基于所述校正卷积核和所述扫描图像，校正图像的散焦伪影包括：基于扫描图像，得到原始投影值；将所述原始投影值转化为原始强度值；基于所述原始强度值以及所述校正卷积核，计算散焦的误差强度；从所述原始强度值中减去所述误差强度，得到校正强度值；将所述校正强度值转化为校正投影值；以及对所述校正投影值进行图像重建，得到校正后的图像。
本申请实施例之一提供一种图像校正系统。所述系统包括第一获取模块、第二获取模块、处理模块、确定模块和校正模块；其中，所述第一获取模块，用于获取至少一组不同目标部位的标准长宽比和对应的标准卷积核；所述第二获取模块，用于获取扫描部位的扫描图像；所述处理模块，用于基于所述扫描图像，计算所述扫描部位的长宽比；所述确定模块，用于基于所述扫描部位的长宽比、不同目标部位的标准长宽比和对应的标准卷积核，确定对应的校正卷积核；所述校正模块，用于基于所述校正卷积核和所述扫描图像，校正图像的散焦伪影。
本申请实施例之一提供一种图像校正装置。所述装置包括至少一个处理器和至少一个存储设备，所述存储设备用于存储指令，当所述至少一个处理器执行所述指令时，实现如本申请任一实施例所述的图像校正方法。
本申请实施例之一提供一种计算机可读存储介质。所述存储介质存储计算机指令，当计算机读取所述存储介质中的所述计算机指令后，所述计算机执行如本申请任一实施例所述的图像校正方法。
附图说明
本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本申请一些实施例所示的一种示例性成像系统的示意图；
图2是根据本申请一些实施例所示的一种示例性计算设备的硬件和/或软件组件的示意图；
图3是根据本申请一些实施例所示的处理设备的示例性框图；
图4是根据本申请一些实施例所示的图像校正方法的示例性流程图；
图5是根据本申请一些实施例所示的扫描部位长宽比的计算方法的示例性流程图；
图6是根据本申请一些实施例所示无散焦和有散焦的焦点的示意图；
图7是根据本申请一些实施例所示的不同长宽比模体的标准卷积核的示意图；
图8是根据本申请一些实施例所示的成像系统的成像过程示意图；
图9是根据本申请一些实施例所示的从不同方向扫描模体产生伪影的示意图；
图10是根据本申请一些实施例所示的扫描图像的正弦图；
图11是根据本申请一些实施例所示的扫描图像伪影校正前后的对比图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1是根据本申请一些实施例所示的一种示例性成像系统100的示意图。
成像系统100可以包括成像设备110、网络120、处理设备140和存储设备150。在一些实施例中，所述成像系统100还可以包括至少一个终端130。该成像系统100中的各个组件之间可以通过网络120互相连接。例如，成像设备110和至少一个终端130可以通过网络120连接或通信。
在一些实施例中，成像设备110可以对检测区域内的对象进行扫描，得到该对象的扫描数据。在一些实施例中，成像设备110可以用于获取医学图像数据，被扫描对象可以是人体或动物的整体或部分器官或组织，如头部等。在一些实施例中，成像设备110可以用于获取工业图像数据，被扫描对象可以是工件。在一些实施例中，成像设备110可以是X光成像设备，例如计算机断层扫描仪(CT)、C-臂机(C-arm)等。
网络120可以包括能够促进成像系统100的信息和/或数据交换的任何合适的网络。在一些实施例中，成像系统100的至少一个组件(例如，成像设备110、处理设备140、存储设备150、至少一个终端130)可以通过网络120与成像系统100中至少一个其他组件交换信息和/或数据。例如，处理设备140可以通过网络120从成像设备110获得输出图像。又例如，处理设备140可以通过网络120从至少一个终端130获得用户(如，医生)指令。网络120可以或包括公共网络(例如，互联网)、专用网络(例如，局部区域网络(LAN))、有线网络、无线网络(例如，802.11网络、Wi-Fi网络)、帧中继网络、虚拟专用网络(VPN)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机和/或其任意组合。例如，网络120可以包括有线网络、有线网络、光纤网络、电信网络、内联网、无线局部区域网络(WLAN)、城域网(MAN)、公共电话交换网络(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络等或其任意组合。在一些实施例中，网络120可以包括至少一个网络接入点。例如，网络120可以包括有线和/或无线网络接入点，例如基站和/或互联网交换点，成像系统100的至少一个组件可以通过接入点连接到网络120以交换数据和/或信息。
至少一个终端130可以与成像设备110、处理设备140和/或存储设备150通信和/或连接。例如，至少一个终端130可以从处理设备140获得检测图像。又例如，至少一个终端130可以获得通过成像设备110获取的输出图像，并将输出图像发送到处理设备140以进行处理。在一些实施例中，至少一个终端130可以包括移动设备131、平板计算机132、膝上型计算机133等或其任意组合。例如，移动设备131可以包括移动电话、个人数字助理(PDA)、游戏设备、导航设备等或其任意组合。在一些实施例中，至少一个终端130可以包括输入设备、输出设备等。输入设备可以包括字母数字和其他键。输入设备可以选用键盘输入、触摸屏(例如，具有触觉或触觉反馈)输入、语音输入、眼睛跟踪输入、大脑监测系统输入或任何其他类似的输入机制。通过输入设备接收的输入信息可以通过如总线传输到处理设备140，以进行进一步处理。其他类型的输入设备可以包括光标控制装置，例如鼠标、轨迹球或光标方向键等。输出设备可以包括显示器、扬声器、打印机等或其任意组合。在一些实施例中，至少一个终端130可以是处理设备140的一部分。
处理设备140可以处理从成像设备110、存储设备150、至少一个终端130或成像系统100的其他组件获得的数据和/或信息。例如，处理设备140可以从成像设备110中获取目标部位的标准长宽比和对应的标准卷积核或者当前扫描部位的扫描图像，也可以校正扫描图像中存在的伪影，例如散焦伪影。在一些实施例中，处理设备140可以是单一服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中，处理设备140可以是本地或远程的。例如，处理设备140可以通过网络120从成像设备110、存储设备150和/或至少一个终端130访问信息和/或数据。又例如，处理设备140可以直接连接到成像设备110、至少一个终端130和/或存储设备150以访问信息和/或数据。在一些实施例中，处理设备140可以在云平台上实现。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等或其任意组合。在一些实施例中，处理设备140可以由计算设备200实现。
存储设备150可以存储数据、指令和/或任何其他信息。在一些实施例中，存储设备150可以存储成像设备110的输出图像。例如，扫描部位的扫描图像。在一些实施例中，存储设备150可以存储从成像设备110、至少一个终端130和/或处理设备140获得的数据。在一些实施例中，存储设备150可以存储处理设备140用来执行或使用来完成本申请中描述的示例性方法的数据和/或指令。在一些实施例中，存储设备150可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可以包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDRSDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中，存储设备150可以在云平台上实现。
在一些实施例中，存储设备150可以连接到网络120以与成像系统100中的至少一个其他组件(例如，处理设备140、至少一个终端130)通信。成像系统100中的至少一个组件可以通过网络120访问存储设备150中存储的数据或指令。在一些实施例中，存储设备150可以是处理设备140的一部分。
应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域普通技术人员而言，在本申请内容的指导下，可做出多种变化和修改。可以以各种方式组合本申请描述的示例性实施例的特征、结构、方法和其他特征，以获得另外的和/或替代的示例性实施例。例如，存储设备150可以是包括云计算平台的数据存储设备，例如公共云、私有云、社区和混合云等。然而，这些变化与修改不会背离本申请的范围。
图2是根据本申请一些实施例所示的一种示例性计算设备200的硬件和/或软件组件的示意图。
计算设备200可以包括处理器210、存储器220、输入/输出(I/O)230和通信端口240。
处理器210可以执行计算机指令(例如，程序代码)，并根据本申请描述的方法执行处理设备140的功能。计算机指令可以包括例如执行本申请描述的特定功能的常规方法、程序、对象、组件、数据结构、过程、模块和功能。例如，处理器210可以处理成像设备110、至少一个终端130、存储设备150和/或成像系统100中的任何其他组件的数据。在一些实施例中，处理器210可以包括至少一个硬件处理器，诸如微控制器、微处理器、精简指令集计算机(RISC)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高阶RISC机器(ARM)、可编程逻辑器件(PLD)、能够执行至少一个功能的任何电路或处理器或类似物，或其任意组合。
仅为了说明的目的，在计算设备200中仅描述了一个处理器。然而，应该注意的是，本申请中的计算设备200还可以包括多个处理器，由此本申请中描述的由一个处理器执行的操作和/或方法步骤也可以由多个处理器联合地或单独地执行。例如，如果在本申请中，计算设备200的处理器执行操作A和操作B，则应该理解，操作A和操作B也可以由计算设备200中的多个不同的处理器共同地或单独地执行(例如，第一处理器执行操作A并且第二处理器执行操作B、或者第一处理器和第二处理器共同执行操作A和B)。
存储器220可以存储从成像设备110、至少一个终端130、存储设备150和/或成像系统100中的任何其他组件获得的数据/信息。在一些实施例中，存储器220可以包括大容量存储器、可移动存储器、易失性读写内存、只读存储器(ROM)等或其任意组合。例如，大容量存储器可以包括磁盘、光盘、固态硬盘等。可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘和磁带等。易失性读取和写入存储器可以包括随机存取存储器(RAM)。RAM可以包括动态RAM(DRAM)、双倍速率同步动态RAM(DDRSDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中，存储器220可以存储至少一个程序和/或指令用来执行在本申请中描述的示例性方法。
输入/输出(I/O)230可以用于输入和/或输出信号、数据、信息等。在一些实施例中，I/O230可以使用户与处理设备140交互。在一些实施例中，I/O230可以包括输入设备和输出设备。示例性的输入设备可以包括键盘、鼠标、触摸屏、麦克风等或其任意组合。示例性的输出设备可以包括显示设备、扬声器、打印机、投影仪等或其任意组合。示例性显示设备可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、曲面显示器、电视设备、阴极射线管等或其任意组合。
通信端口240可以连接到网络(例如，网络120)以促进数据通信。通信端口240可以在处理设备140和成像设备110、至少一个终端130和/或存储设备150之间建立连接。连接可以包括有线连接、无线连接。有线连接可以包括例如电缆、光缆、电话线等或其任意组合。无线连接可以包括例如BluetoothTM链路、Wi-FiTM链路、WiMaxTM链路、WLAN链路、ZigBee链路、移动网络链路(例如，3G、4G、5G等)等或其任意组合。在一些实施例中，通信端口240可以是和/或包括标准化的通信端口，诸如RS232、RS485等。在一些实施例中，通信端口240可以是专门设计的通信端口。例如，通信端口240可以根据数字成像和医学通信(DICOM)协议来设计。
图3是根据本申请一些实施例所示的处理设备140的示例性框图。
如图3所示，处理设备140可以包括第一获取模块310、第二获取模块320、处理模块330、确定模块340和校正模块350。
第一获取模块310可以用于获取至少一组不同目标部位的标准长宽比和对应的标准卷积核。
在一些实施例中，目标部位可以包括人体部位。在一些实施例中，标准长宽比可以包括与成像设备110机架的旋转平面垂直的目标部位横截面上最大轴长与最小轴长的比值。在一些实施例中，获取至少一组不同目标部位的标准长宽比和对应的标准卷积核可以包括：基于不同目标部位的标准长宽比，制作或模拟对应的模体，不同目标部位的标准长宽比可以为统计获得；扫描或模拟扫描所述模体，得到焦点信号分布和散焦信号分布；基于焦点信号分布和散焦信号分布，得到不同模体对应的标准卷积核。
第二获取模块320可以用于获取扫描部位的扫描图像。
在一些实施例中，扫描部位可以为人体部位。在一些实施例中，人体部位可以包括受检者的器官和/或身体部位。在一些实施例中，所述扫描图像可以为人体部位所在的的图像。
处理模块330可以用于基于扫描图像，计算扫描部位的长宽比。
在一些实施例中，处理模块330可以设定非空气阈值。在一些实施例中，处理模块330可以获取扫描部位的正弦图。在一些实施例中，处理模块330可以基于所述非空气阈值，计算所述正弦图中每个视角下扫描部位的轴长。具体的，对多个视角中的每一个角下的弦线：处理模块330可以依次检索第一个大于非空气阈值的第一像素点坐标；还可以反向依次检索第一个大于非空气阈值的第二像素点坐标；还可以基于第一像素点坐标、第二像素点坐标和扫描设备几何参数，得到扫描部位的轴长；其中，第一像素点坐标和第二像素点坐标与探测器像素编号相对应。在一些实施例中，处理模块330还可以获取最大轴长和最小轴长，得到长宽比。
确定模块340可以用于基于所述扫描部位的长宽比、不同目标部位的标准长宽比和对应的标准卷积核，确定对应的校正卷积核。
在一些实施例中，确定模块340可以根据扫描部位的长宽比，查找目标部位中最接近的两个标准长宽比，得到对应的两个标准卷积核；再对所述两个标准卷积核进行插值，得到校正卷积核。在一些实施例中，插值方法可以包括线性插值、高阶插值或最近点插值等。
校正模块350可以用于基于校正卷积核和扫描图像，校正图像的散焦伪影。
在一些实施例中，校正模块350可以基于扫描图像得到原始投影值。在一些实施例中，校正模块350可以将原始投影值转换为原始强度值。在一些实施例中，校正模块350可以基于原始强度值和校正卷积核，计算散焦的误差强度。在一些实施例中，校正模块350可以从原始强度值中减去误差强度，得到校正强度值。在一些实施例中，校正模块350可以将校正强度值转化为校正投影值。在一些实施例中，校正模块350还可以对校正投影值进行图像重建，得到校正后的图像。
应该注意的是，上述关于处理设备300的描述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的修正和改变。然而，这些修正和改变不会背离本申请的范围。在一些实施例中，第一获取模块310和第二获取模块320可以为同一个模块，用于获取至少一组不同目标部位的标准长宽比和对应的标准卷积核，同时获取描部位的扫描图像。
图4是根据本申请一些实施例所示的图像校正方法400的示例性流程图。具体的，图像校正方法400可以由处理设备140执行。例如，图像校正方法400可以以程序或指令的形式存储在存储装置(如存储设备150、存储器220)中，当成像系统100(如处理设备140)执行该程序或指令时，可以实现图像校正方法400。如图4所示，图像校正方法400可以包括：
步骤410，获取至少一组不同目标部位的标准长宽比和对应的标准卷积核。具体的，步骤410可以由第一获取模块310执行。
在一些实施例中，目标部位可以包括人体部位。在一些实施例中，人体部位可以包括受检者的器官和/或身体部位。具体地，器官可以包括但不限心脏、肝脏、肺部、胃部、肾部等；身体部位可以包括但不限于头、手、手臂、脚、小腿、大腿、腹部、胸部、颈椎等。在一些实施例中，标准长宽比可以包括不同地区、不同年龄、不同性别和不同体重的人体的平均长宽比。在一些实施例中，目标部位的标准长宽比可以包括与成像设备110机架的旋转平面垂直的目标部位横截面上最大轴长与最小轴长的比值。在一些实施例中，轴长可以包括两端位于目标部位横截面轮廓上且通过目标部位横截面中心的直线的长度。在一些实施例中，不同目标部位的标准长宽比可以通过统计不同地区、不同年龄、不同性别和不同体重的人体来获取。
在一些实施例中，可以基于不同目标部位的标准长宽比，制作对应的模体。所述模体可以用来模拟目标部位，成像设备110通过扫描该模体可以获取相应的扫描图像。在一些实施例中，模体可以根据人体部位的形状制作成椭圆形、长方形、圆形等。在一些实施例中，模体的材质可以是水、PMMA、尼龙等。在一些替代性实施例中，还可以基于不同目标部位的标准长宽比，用计算机模拟对应的模体。
在一些实施例中，可以扫描所述模体，得到该模体的焦点信号分布和散焦信号分布。在一些实施例中，焦点信号分布可以为球管内焦点经模体传输后的信号分布。在一些实施例中，散焦信号分布可以为球管内焦点散射后的射线经模体传输后的信号分布。由于散焦信号是由球管内焦点散射后的射线经过模体边界进入探测器上得到的信号分布，因此散焦信号一般分布在图像的边界。在一些替代性实施例中，也可以在计算机中模拟扫描所述模体，得到焦点信号和散焦信号经过模体后的焦点信号分布和散焦信号分布。
在一些实施例中，可以基于焦点信号分布和散焦信号分布，得到不同模体对应的标准卷积核。在一些实施例中，焦点信号分布和散焦信号分布可以包括成像设备110扫描模体后得到的信号分布，也可以包括在计算机中模拟扫描模体后得到的信号分布。在一些实施例中，卷积核可以为图像处理函数，用于校正图像的散焦伪影。由于散焦使得探测器上任一像素接收到的信号弥散到临近的探测器像素上，探测器第i个像素的卷积核可以符合以下函数：
Ip×K＝Ioff (1)
其中，Ip为焦点信号分布，Ioff为散焦信号分布，K为卷积核。
在一些实施例中，探测器上每个像素对于每个模体都会有对应的卷积核，因此，探测器对应每个长宽比都会有一系列的卷积核。如图7所示为长宽比不同的模体，在探测器上每个像素对应的标准卷积核。图7左上角和图7右上角分别是长宽比为a、b的两个模体示意图，图7下方图为长宽比为a、b的两个模体在探测器上每个像素对应的标准卷积核，其中虚线是长宽比为a的模体对应的标准卷积核，实线是长宽比为b的模体对应的标准卷积核。图7下方图中横坐标轴可以为探测器的像素，纵坐标轴可以为标准卷积核。
在一些实施例中，获取标准长宽比和对应的标准卷积核的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如第一获取模块310)调用。
步骤420，获取扫描部位的扫描图像。具体的，步骤420可以由第二获取模块320执行。
在一些实施例中，扫描部位可以为人体部位。在一些实施例中，人体部位可以包括受检者的器官和/或身体部位。具体地，器官可以包括但不限心脏、肝脏、肺部、胃部、肾部等；身体部位可以包括但不限于头、手、手臂、脚、小腿、大腿、腹部、胸部、颈椎等。在一些实施例中，扫描图像可以是人体部位所在的图像。在一些实施例中，所述扫描图像可以包括一个或多个像素点。具体的，所述像素点可以携带像素点信息。在一些实施例中，像素点信息可以包括在扫描图像中的坐标值、像素值(或图像值)，其中，像素值又可以包括亮度值、灰度值、CT值、RGB值、对比度或信噪比等。在一些实施例中，扫描图像可以包括成像设备110对进入机架孔径中的被扫描物体进行旋转曝光扫描后重建的图像。
在一些实施例中，获取扫描图像的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如第二获取模块320)调用。
步骤430，基于扫描图像，计算扫描部位的长宽比。具体的，步骤430可以由处理模块330执行。
在一些实施例中，扫描部位的长宽比可以包括与成像设备110机架的旋转平面垂直的扫描部位横截面的最大轴长与最小轴长的比值。例如，所述长宽比可以是1:1、1.5:1、2:1等。在一些实施例中，轴长可以包括两端位于扫描部位横截面轮廓上且通过扫描部位横截面中心的直线的长度。关于计算扫描部位的长宽比的更多描述可以在本申请的其他地方(如流程图5及其相关描述中)找到，在此不作赘述。
在一些实施例中，计算扫描部位的长宽比的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如处理330)调用。
步骤440，基于扫描部位的长宽比、不同目标部位的标准长宽比和对应的标准卷积核，确定对应的校正卷积核。具体的，步骤440可以由确定模块340执行。
在一些实施例中，校正卷积核可以为与扫描部位长宽比对应的校正卷积核，用于校正散焦伪影。在一些实施例中，校正卷积核可以通过对标准卷积核进行插值来获取。具体的，确定模块340可以根据扫描部位的长宽比，查找目标部位中最接近的两个标准长宽比，得到对应的两个标准卷积核；在标准长宽比和对所述两个标准卷积核进行插值，得到扫描部位长宽比适合的校正卷积核。在一些实施例中，插值方法可以包括线性插值、高阶插值或最近点插值等。下面以线性插值为例，对两个标准卷积核插值进行阐述：例如扫描部位的长宽比为R，根据该长宽比R在目标部位的标准长宽比中进行查找，获得最接近扫描部位长宽比R的两个标准长宽比R1和R2，同时得到对应的两个标准卷积核分别为K1和K2，则当前扫描部位的校正卷积核K0可以为：
K0＝K1×(R2-R)+K2×(R-R1) (2)
在一些实施例中，确定的校正卷积核的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如确定模块340)调用。
步骤450，基于校正卷积核和扫描图像，校正图像的散焦伪影。具体的，步骤450可以由校正模块350执行。
在一些实施例中，成像系统的成像过程如图8所示，焦点发出的未散射射线经过模体边界射入探测器上像素2；由于焦点发生了散射形成了散射射线，散射射线会经过模体边界进入探测器上像素1和像素3，因此模体的边界会产生伪影。在一些实施例中，当扫描部位的长宽比较大时，伪影会呈现一定的方向性。具体的，如图9所示，图9上方图可以为焦点从不同方向扫描模体的示意图，图9下方图可以为扫描图像中存在伪影的示意图。如图9所示，当焦点发出的散射射线沿模体的短轴方向(从上到下)穿透时，经过的路径较短，散射发生的概率较低，散焦信号分布受散射影响较小；而当焦点发出的散射射线沿长轴方向(从左到右)穿透时，经过的路径较长，散射发生的概率较高，散焦信号分布受散射影响较大，因此伪影常分布在沿长轴方向的边界(如图9中R所示的椭圆形区域为伪影出现概率较大的区域)。在一些实施例中，图9中的伪影形状可以包括椭圆形、条形或其他不规则形状。
在一些实施例中，可以对扫描图像进行正投影，得到原始投影值。具体的，原始投影值可以为扫描图像的正弦图(如图10所示)。在一些实施例中，可以将原始投影值转化为原始强度值。在一些实施例中，可以根据以下函数对原始投影值进行转化：
I0＝exp(-p) (3)
其中，I0可以为散焦信号在该连续探测器上的原始强度值，p可以为射线经过模体后在以通道i为中心的连续探测器像素上的原始投影值。
在一些实施例中，可以基于原始强度值以及校正卷积核，计算散焦的误差强度。在一些实施例中，散焦的误差强度可以根据以下函数进行计算：
Is＝exp(-p)×K0 (4)
其中，Is可以为散焦的误差强度，p可以为射线经过模体后在以通道i为中心的连续探测器像素上的原始投影值，K0可以为校正卷积核。
在一些实施例中，可以从原始强度值中减去所述误差强度，得到校正强度值。在一些实施例中，校正强度值可以根据以下函数进行计算：
Icorr＝exp(-p)-sum(Is) (5)
其中，Icorr可以为校正强度值，p可以为射线经过模体后在以通道i为中心的连续探测器像素上的原始投影值，Is可以为散焦的误差强度。
在一些实施例中，可以将校正强度值转化为校正投影值。在一些实施例中，校正投影值可以根据以下函数进行计算：
Pcorr＝-ln(Icorr) (6)
其中，Pcorr可以为校正投影值，Icorr可以为校正强度值。
在一些实施例中，还可以对校正投影值进行图像重建，得到校正后的图像。如图11所示，扫描图像的边界G区域存在伪影，对其进行校正后得到右侧所示的H区域，H区域边界清晰，经本说明书实施例中的校正方法校正后的图像可以有效的去除散焦伪影。
在一些实施例中，校正图像的散焦伪影的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如校正模块350)调用。
应当注意的是，以上关于流程400及其描述，仅出于说明的目的而提供，并非旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的修正和改变。然而，这些修正和改变不会背离本申请的范围。例如，可以将步骤410和步骤420合并为一个步骤，步骤410中可以获取目标部位的标准长宽比和对应的标准卷积核，同时获取扫描部位的扫描图像。
图5是根据本申请一些实施例所示的扫描部位长宽比的计算方法500的示例性流程图。具体的，方法500可以由处理设备140执行。例如，方法500可以以程序或指令的形式存储在存储装置(如存储设备150、存储器220)中，当成像系统100(如处理设备140)执行该程序或指令时，可以实现方法500。如图5所示，扫描部位长宽比的计算方法500可以包括：
步骤510，设定非空气阈值。具体的，步骤510可以由处理模块330执行。
在一些实施例中，非空气阈值可以是人为设定，用于区分扫描图像中的背景区域和被扫描物体的成像区域。例如，如图5所示，黑色区域可以为背景区域，白色区域可以为被扫描物体的成像区域。在一些实施例中，非空气阈值可以根据不同的情况进行调整，本说明书的实施例中对此不进行限制。
在一些实施例中，设定空气阈值的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如处理模块330)调用。
步骤520，获取扫描部位的正弦图。具体的，步骤520可以由处理模块330执行。
在一些实施例中，扫描部位的正弦图可以为X射线围绕扫描部位进行旋转扫描，在扫描过程中探测器对穿出扫描部位的X射线进行检测，将检测到的信号形成一系列的投影数据，通过计算机将上述投影数据进行图像重建获得的图像(如图10中所示，所述图像中扫描部位在图像中的轮廓呈正弦曲线的形状)。在一些实施例中，扫描部位的正弦图可以为扫描时实时获取的正弦图，也可以为从存储装置(例如存储设备150、存储器220)中获取的历史扫描部位的正弦图。
在一些实施例中，获取扫描部位的正弦图的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如处理模块330)调用。
步骤530，基于非空气阈值，计算正弦图中每个视角下扫描部位的轴长。具体的，步骤530可以由处理模块330执行。
在一些实施例中，每个视角可以为球管围绕被扫描物体旋转360°中的每个角度，与球管处于相对位置的探测器可以检测每个角度下的投影图像。在一些实施例中，扫描部位的轴长可以为在某一视角(如，30°)下探测器检测到的投影图像中，探测器上被扫描物体的成像区域的长度(如图10所示的纵坐标对应的白色区域的长度)。
在一些实施例中，正弦图中每个视角下扫描部位的轴长可以根据像素点坐标和扫描设备几何参数进行计算。具体的，对正弦图中的每一个视角下的弦线，依次检索第一个大于非空气阈值的第一像素点坐标，反向依次检索第一个大于非空气阈值的第二像素点坐标，第一像素点坐标和第二像素点坐标与探测器像素编号相对应；然后基于第一像素点坐标、第二像素点坐标和探测器像素的尺寸，可以计算扫描部位的轴长。下面以图10为例，对计算正弦图中扫描部位的轴长进行阐述：如图10所示，横坐标可以为视角，纵坐标可以为探测器像素编号，横坐标的视角可以为从左向右从0°到360°依次排列，纵坐标的探测器像素编号可以为从上向下依次排列。从图10选取视角为L的弦线(图10中L对应的虚线)，在该弦线上从上向下依次检索第一个大于非空气阈值的第一像素点坐标得到点A，反向依次检索第一个大于非空气阈值的第二像素点坐标得到点B，若点A对应的第一像素点坐标为D1，点B对应的第二像素点坐标为D2，则该视角L下的扫描部位的轴长可以为：
(D2–D1)×DetSize×SID/SDD (7)
其中，DetSize为探测器像素尺寸，SID为焦点到旋转中心的距离，SDD为焦点到探测器的距离。
在一些实施例中，可以对正弦图中每个视角下的弦线依次进行正向和反向检索，并根据检索到的第一像素点坐标、第二像素点坐标和扫描设备几何参数进行计算，得到正弦图中每个视角下的扫描部位的轴长。
在一些实施例中，计算正弦图中每个视角下扫描部位的轴长的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如处理模块330)调用。
步骤540，获取最大轴长和最小轴长，得到长宽比。具体的，步骤530可以由处理模块330执行。
在一些实施例中，最大轴长可以为扫描部位的正弦图中所有视角下扫描部位的轴长的最大值。在一些实施例中，最小轴长可以为扫描部位的正弦图中所有视角下扫描部位的轴长的最小值。在一些实施例中，最大轴长和最小轴长可以通过排序获取。具体的，可以将每个视角下扫描部位的轴长按大小进行排序，排序结果中的最大值即为最大轴长，排序结果中的最小值即为最小轴长。如图10所示，可以得到视角M下扫描部位的轴长为最大轴长Max，视角N下扫描部位的轴长为最小轴长Min。
在一些实施例中，长宽比可以为最大轴长与最小轴长的比值。如图10所示，长宽比可以为视角M下扫描部位的最大轴长Max与视角N下扫描部位的最小轴长Min的比值，即为Max/Min。
在一些实施例中，获取最大轴长和最小轴长的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如处理模块330)调用。
应当注意的是，以上关于流程500及其描述，仅出于说明的目的而提供，并非旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的修正和改变。然而，这些修正和改变不会背离本申请的范围。例如，在步骤530中，可以先在弦线上从下向上依次检索第一个大于非空气阈值的第一像素点坐标，反向依次检索第一个大于非空气阈值的第二像素点坐标；扫描部位的轴长可以为│D2–D1│×DetSize×SID/SDD。
本申请实施例可能带来的有益效果包括但不限于：(1)可以根据扫描部位横截面的长宽比获取对应的校正卷积核，根据校正卷积核校正扫描图像中因焦点散射所导致的散焦伪影；(2)通过制作或模拟标准模体可以得到各个目标部位的标准核卷积，进而可以在扫描时实时对图像的散焦伪影进行校正。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (10)

1.一种图像校正方法，其特征在于，所述方法包括：
获取至少一组不同目标部位的标准长宽比和对应的标准卷积核；
获取扫描部位的扫描图像；
基于所述扫描图像，计算所述扫描部位的长宽比；
基于所述扫描部位的长宽比、不同目标部位的标准长宽比和对应的标准卷积核，确定对应的校正卷积核；
以及基于所述校正卷积核和所述扫描图像，校正图像的散焦伪影。
2.如权利要求1所述的方法，其特征在于，所述获取至少一组不同目标部位的标准长宽比和对应的标准卷积核包括：
基于不同目标部位的标准长宽比，制作或模拟对应的模体；所述不同目标部位的标准长宽比为统计获得；
扫描或模拟扫描所述模体，得到焦点信号分布和散焦信号分布；
基于所述焦点信号分布和散焦信号分布，得到不同模体对应的标准卷积核。
3.如权利要求1所述的方法，其特征在于，所述基于扫描图像，计算扫描部位的长宽比包括：
设定非空气阈值；
获取扫描部位的正弦图；
基于所述非空气阈值，计算所述正弦图中每个视角下扫描部位的轴长；
获取最大轴长和最小轴长，得到长宽比。
4.如权利要求3所述的方法，其特征在于，所述基于所述非空气阈值，计算所述正弦图中每个视角下扫描部位的轴长包括：
对多个视角中的每一个视角下的弦线：
依次检索第一个大于非空气阈值的第一像素点坐标；
反向依次检索第一个大于非空气阈值的第二像素点坐标；
基于所述第一像素点坐标、第二像素点坐标和扫描设备几何参数，得到扫描部位的轴长；
其中，第一像素点坐标和第二像素点坐标与探测器像素编号相对应。
5.如权利要求1所述的方法，其特征在于，所述基于所述扫描部位的长宽比、不同目标部位的标准长宽比和对应的标准卷积核，确定对应的校正卷积核包括：
根据扫描部位的长宽比，查找目标部位中最接近的两个标准长宽比，得到对应的两个标准卷积核；
对所述两个标准卷积核进行插值，得到校正卷积核。
6.如权利要求5所述的方法，其特征在于，所述插值包括线性插值、高阶插值或最近点插值。
7.如权利要求1所述的方法，其特征在于，所述基于所述校正卷积核和所述扫描图像，校正图像的散焦伪影包括：
基于扫描图像，得到原始投影值；
将所述原始投影值转化为原始强度值；
基于所述原始强度值以及所述校正卷积核，计算散焦的误差强度；
从所述原始强度值中减去所述误差强度，得到校正强度值；
将所述校正强度值转化为校正投影值；以及
对所述校正投影值进行图像重建，得到校正后的图像。
8.一种图像校正系统，其特征在于，包括第一获取模块、第二获取模块、处理模块、确定模块和校正模块；其中，
所述第一获取模块，用于获取至少一组不同目标部位的标准长宽比和对应的标准卷积核；
所述第二获取模块，用于获取扫描部位的扫描图像；
所述处理模块，用于基于所述扫描图像，计算所述扫描部位的长宽比；
所述确定模块，用于基于所述扫描部位的长宽比、不同目标部位的标准长宽比和对应的标准卷积核，确定对应的校正卷积核；
所述校正模块，用于基于所述校正卷积核和所述扫描图像，校正图像的散焦伪影。
9.一种图像校正装置，其特征在于，所述装置包括至少一个处理器和至少一个存储设备，所述存储设备用于存储指令，当所述至少一个处理器执行所述指令时，实现如权利要求1～7中任一项所述的方法。
10.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取所述存储介质中的所述计算机指令后，所述计算机执行如权利要求1～7中任一项所述的方法。
CN201910635815.XA 2019-07-15 2019-07-15 一种图像校正方法和系统 Active CN110349236B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910635815.XA CN110349236B (zh) 2019-07-15 2019-07-15 一种图像校正方法和系统
US16/929,176 US11348290B2 (en) 2019-07-15 2020-07-15 Systems and methods for image correction

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910635815.XA CN110349236B (zh) 2019-07-15 2019-07-15 一种图像校正方法和系统

Publications (2)

Publication Number Publication Date
CN110349236A true CN110349236A (zh) 2019-10-18
CN110349236B CN110349236B (zh) 2022-12-06

Family

ID=68176285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910635815.XA Active CN110349236B (zh) 2019-07-15 2019-07-15 一种图像校正方法和系统

Country Status (2)

Country Link
US (1) US11348290B2 (zh)
CN (1) CN110349236B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111462111A (zh) * 2020-04-21 2020-07-28 上海联影医疗科技有限公司 Pet系统的均匀性检测方法、装置和计算机设备
CN112991228A (zh) * 2021-04-16 2021-06-18 上海联影医疗科技股份有限公司 一种校正串扰的方法和系统
CN113096211A (zh) * 2021-04-16 2021-07-09 上海联影医疗科技股份有限公司 一种校正散射的方法和系统
CN115060222A (zh) * 2022-08-10 2022-09-16 昂坤视觉(北京)科技有限公司 晶圆面型分类方法及系统
CN115105108A (zh) * 2022-06-30 2022-09-27 赛诺威盛科技(北京)股份有限公司 散焦校正方法、装置、散焦校正模体及电子装置
WO2022218438A1 (en) * 2021-04-16 2022-10-20 Shanghai United Imaging Healthcare Co., Ltd. Calibration methods and systems for imaging field
CN117237234A (zh) * 2023-11-09 2023-12-15 杭州睿影科技有限公司 应用于x射线安检设备的图像校正方法、装置及电子设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103134823A (zh) * 2013-03-21 2013-06-05 重庆大学 一种基于卷积的x射线ct系统射束硬化校正方法
CN107346555A (zh) * 2017-06-16 2017-11-14 上海联影医疗科技有限公司 电子计算机断层扫描图像数据处理方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7602880B2 (en) * 2005-09-15 2009-10-13 Hitachi Medical Corporation X-ray CT apparatus
JP7068054B2 (ja) * 2018-06-07 2022-05-16 株式会社東芝 距離計測装置、および距離計測方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103134823A (zh) * 2013-03-21 2013-06-05 重庆大学 一种基于卷积的x射线ct系统射束硬化校正方法
CN107346555A (zh) * 2017-06-16 2017-11-14 上海联影医疗科技有限公司 电子计算机断层扫描图像数据处理方法
WO2018227523A1 (en) * 2017-06-16 2018-12-20 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for image data processing in computerized tomography

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111462111A (zh) * 2020-04-21 2020-07-28 上海联影医疗科技有限公司 Pet系统的均匀性检测方法、装置和计算机设备
CN111462111B (zh) * 2020-04-21 2023-11-24 上海联影医疗科技股份有限公司 Pet系统的均匀性检测方法、装置和计算机设备
CN112991228A (zh) * 2021-04-16 2021-06-18 上海联影医疗科技股份有限公司 一种校正串扰的方法和系统
CN113096211A (zh) * 2021-04-16 2021-07-09 上海联影医疗科技股份有限公司 一种校正散射的方法和系统
WO2022218438A1 (en) * 2021-04-16 2022-10-20 Shanghai United Imaging Healthcare Co., Ltd. Calibration methods and systems for imaging field
CN112991228B (zh) * 2021-04-16 2023-02-07 上海联影医疗科技股份有限公司 一种校正串扰的方法和系统
CN113096211B (zh) * 2021-04-16 2023-04-18 上海联影医疗科技股份有限公司 一种校正散射的方法和系统
CN115105108A (zh) * 2022-06-30 2022-09-27 赛诺威盛科技(北京)股份有限公司 散焦校正方法、装置、散焦校正模体及电子装置
CN115105108B (zh) * 2022-06-30 2023-06-09 赛诺威盛科技(北京)股份有限公司 散焦校正方法、装置、散焦校正模体及电子装置
CN115060222A (zh) * 2022-08-10 2022-09-16 昂坤视觉(北京)科技有限公司 晶圆面型分类方法及系统
CN117237234A (zh) * 2023-11-09 2023-12-15 杭州睿影科技有限公司 应用于x射线安检设备的图像校正方法、装置及电子设备
CN117237234B (zh) * 2023-11-09 2024-01-30 杭州睿影科技有限公司 应用于x射线安检设备的图像校正方法、装置及电子设备

Also Published As

Publication number Publication date
CN110349236B (zh) 2022-12-06
US11348290B2 (en) 2022-05-31
US20200342638A1 (en) 2020-10-29

Similar Documents

Publication Publication Date Title
CN110349236A (zh) 一种图像校正方法和系统
US11564653B2 (en) Imaging systems and methods thereof
US10614634B2 (en) System and method for image composition
US7853058B2 (en) Determining a viewpoint for navigating a virtual camera through a biological object with a lumen
Mori et al. Automated anatomical labeling of the bronchial branch and its application to the virtual bronchoscopy system
CN105027163B (zh) 扫描区域确定装置
EP3559905B1 (en) Online learning enhanced atlas-based auto-segmentation
US20200391053A1 (en) Radiotherapy system, therapy planning support method, and therapy planning method
US8655040B2 (en) Integrated image registration and motion estimation for medical imaging applications
US20240115226A1 (en) Systems and methods for medical imaging
WO2019120196A1 (en) Systems and methods for determining scanning parameter in imaging
CN103229210A (zh) 图像配准装置
US20160292849A1 (en) Tomography apparatus and method of processing tomography image
CN106650734A (zh) 定位图像子区域识别方法、医学图像显示方法及装置
CN109077746A (zh) 一种确定辐射剂量调制线的方法、系统和装置
US11995834B2 (en) Method and system for the automated determination of examination results in an image sequence
CN110111318A (zh) 一种环形伪影的检测方法和系统
CN111526796B (zh) 用于图像散射校正的系统和方法
CN111161371A (zh) 成像系统和方法
US20210196402A1 (en) Systems and methods for subject positioning and image-guided surgery
CN112669405B (zh) 图像重建方法、系统、可读存储介质和设备
CN117897733A (zh) 医学成像系统和方法
CN106651985A (zh) Ct图像的重建方法和装置
US20240087168A1 (en) Method and system for medical imaging
JP2013081713A (ja) 医用画像処理装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co.,Ltd.

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

GR01 Patent grant
GR01 Patent grant